1.2.1　商业

商业是大数据应用最广泛的领域。商业大数据的来源有两个方面：一方面是大交易数据，即商业交易产生的数据，包括商品数据、市场竞争数据、运营数据、销售数据、顾客关系数据和财务数据；另一方面是大交互数据，商业企业与顾客之间通过POS、互联网、物联网、移动终端、智能终端、传感器和观测设备等产生的交互信息，主要包括社交网络数据、射频识别数据、时间和位置数据、文本数据和观测数据。大数据在商业中的应用可以归纳为以下4个方面（见图1.4）。

图1.4　大数据在商业中的应用

1．客户

在客户方面，大数据的应用主要包括客户洞察、客户细分和动态定位。①客户洞察。互联网、物联网等的顾客数据痕迹能真实而直接地反映消费者的性格、偏好和意愿。②客户细分。传统的以地理位置、人口统计特征为标准的划分被以爱好兴趣、生活方式、价值观、沟通方式为标准的数据化细分替代。从本质上讲，每个人的兴趣、爱好与需求都不同，每个人都是一个细分市场，因此大数据正在使零售企业向“微市场”过渡，构建基于大数据的顾客购买行为模型，主动推荐个性化的产品和服务。③动态定位。零售业多来源、多格式数据的集成、分析与解释能力使数据的反馈与响应可在瞬间完成，快速识别消费者的购买决策和行为模式的变化趋势，及时准确地更新他们的消费偏好。

2．市场

在市场方面，大数据的应用主要包括需求预测和个性化服务。①需求预测。对建构的大数据进行统计与分析，采取科学的预测方法，建立数学模型，使企业管理者掌握和了解零售行业潜在的市场需求、未来一段时间每个细分市场的产品销售量和产品价格走势等，从而使企业通过价格的杠杆来调节市场的供需平衡，并针对不同的细分市场来实行动态定价和差别定价。②个性化服务。根据客户的购买频次、兴趣点、忠诚度和流失的可能性预测客户的消费意愿，主动为其提供个性化的销售和关怀指导服务，以增加销售额和利润率。

3．商品

在商品方面，大数据的应用主要包括商品分组和商品结构调整。①商品分组。对代销记录信息进行分析，可以发现购买某一种商品的顾客也可能购买其他商品。这类信息可用于一定的购买推荐，或者保持一定的最佳商品分组布局，以帮助客户选择商品，刺激顾客的购买欲望从而达到增加销售额、节省顾客购买时间的目的。②商品结构调整。对销售数据和商品基础数据进行分析，来指导企业商品结构的调整，加强所售商品的竞争能力合理配置。

4．供应链

在供应链方面，大数据的应用主要包括仓储管理和供应链提效。①仓储管理。对销售数据和库存数据的分析，决定各种商品的增减数量，确保库存合理。②供应链提效。具体包括选择供应商，优化物流、现金流，配置人力资源等。利用大数据技术，优化整合供应链的各个环节，构建一个统一的供应链平台，各部门共享供应链平台的数据和服务，快速灵活地应对顾客消费变化，降低供应链成本，提高商品采购、仓储管理、物流配送和最终销售之间的运行效率。

大数据在零售商业中已有很多成功的应用案例。沃尔玛对消费者购物行为等这种非结构化数据进行分析，了解顾客购物习惯，通过销售数据分析适合搭配在一起购买的商品，创造了啤酒与尿布的经典商业案例；淘宝数据魔方通过对消费者行为的分析帮助商家了解淘宝平台上的行业宏观情况、自己品牌的市场状况，据此进行生产、库存决策；美国折扣零售商target使用大数据分析，对女性顾客妊娠情况进行评分，比较准确地预测了预产期，以此在每个孕期阶段为女性客户寄送相应的优惠券。在未来几十年，数据分析技术不断地进步，商业领域将对组织、营销与管理进行突破性的创新。